Meta の最新 AI モデルをコンピュータ上でローカルに実行する方法

月曜日、Meta は最新の AI モデル Muse Glimmer を発表しました。ただし、同社は必ずしもこのモデルを最大かつ最高のものとして宣伝しているわけではない。 Meta は Muse Glimmer の潜在的なパフォーマンスについて多くのことを述べていますが、同社の目から見てこのモデルの重要なセールス ポイントは 2 つあります。それは、オープンウェイトであるという事実と、「コンシューマ」の Mac および PC 上でローカルに動作するように設計されているという事実です。 あなたの コンピューター。

ミューズグリマーとは何ですか？

Meta によると、Muse Glimmer は「常時稼働のローカル エージェント ワークフロー」向けに最適化された 300 億パラメータの AI モデルです。つまり、Glimmer は、処理をクラウドにアウトソーシングするのではなく、マシン上で直接自律的に実行されるように設計されています。ローカル AI は、データがシステム内に留まるため、クラウドベースよりもはるかに安全です。クラウド サーバーを利用すると、そのネットワークを所有する企業の言いなりになり、データが危険にさらされる可能性があります。

Muse Glimmer のようなモデルには多くのユースケースがありますが、Meta はエージェント AI への使用を強調しています。 AI エージェントはユーザーに代わってタスクを実行でき、ユーザーや開発者がエージェントに任意の数の機能の実行を依頼できるため、人気が高まっています。 OpenClaw の悪名高い年からもわかるように、ローカルでエージェントを実行することも非常に人気がありますが、最も要求の厳しいモデルには強力なハードウェアも必要です。ラップトップを使用して作業している場合、AI エージェントを実行するのに必要なエネルギーがない可能性があります。

それがメタの主張の一部だ。同社によると、Muse Glimmerは限られたハードウェアでパフォーマンスのバランスをとるように訓練されたという。 Meta 社によると、これを達成するために Muse Glimmer に 3 セットのトレーニングを実施させたという。 「中間トレーニング」では、より「エージェントが多い」データでモデルをトレーニングします。そして「ポストトレーニング」では、多数のパラメーターにわたってモデルを微調整します。 Meta 氏によると、Muse Glimmer は、エンドツーエンドのエージェント タスクの完了、複数ステップの推論、ツール呼び出しが失敗した場合の回復、マルチモデルの入力と推論などの機能を処理できるとのことです。また、100 を超える言語のデータでトレーニングされています。同社によれば、このモデルは多くの標準的なLLMベンチマークに対して「そのサイズクラスとしては強力な」パフォーマンスを発揮するという。

クレジット: メタ

Muse Glimmer は他のモデルほど要求が厳しくありませんが、平均的なラップトップではうまく動作しない可能性があります。メタ氏によると、300億のパラメータモデルには通常55GBを超えるメモリが必要だが、「量子化技術」によりMuse Glimmerは20GB未満で使用できるという。 「作業メモリ」を考慮すると、Muse Glimmer は 24 GB または 32 GB のメモリを使用する可能性があります。 「Pro」MacBook または PC をお持ちの場合は、それが適しているかもしれません。しかし、あなたが私と同じなら、あなたのラップトップに搭載されている RAM は 16 GB 以下であり、Muse Glimmer が必要とするものには達していません。それでも、ローカルでの AI 利用にとっては一歩前進です。 (参考までに、Meta は MacBook M4 Max、M5 Max、および RTX-5090 GPU で Muse Glimmer をテストしたと述べています。)

Meta は、Muse Glimmer は「オープン」であると述べています。これは、Meta がモデルのトレーニング ウェイトを公開したことを意味します。そのため、誰でもモデルを使用できるだけでなく、調整することもできます。 AI モデルに特定のニーズがある場合は、Muse Glimmer を調整して、用途に合わせて調整できます。

Muse Glimmer を他の AI モデルと比較する方法

があります 多く しかし、Meta は他の 2 つのモデル、Google の Gemma4-31b と Alibaba の Qwen3.6-27B との直接比較しか行っていません。 Meta のベンチマークによると、Muse Glimmer は次の 12 のテストで両方のモデルを上回っています: MCP Atlas、DeepSearch QA、𝜏³-banking、WildClawBench、GAIA2、SWE-Bench Pro、Sci Code、Charxiv Reasoning、IFBench、AIME 2026、AA-LCR、および Beam 128K。 Gemma4-31b は依然として 4 つのベンチマークで王座を維持しており、Qwen3.6-27B は 8 つのベンチマークでリードしています。

Meta は、OpenAI、DeepSeek、Z.ai、Moonshot AI などの業界リーダーのモデルとの同様の比較を提供していません。ただし、Artificial Analysis には、市場にあるすべての無差別重量モデルのランキングがあります。この記事の時点で、ミューズグリマー（高）は実質18位です。 Moonshot AI の Kim K3 (max) が首位、Z.ai の GLM-5.2 (max) が 2 位、DeepSeek の V4 Flash (max) が 3 位、Kimi K3 in (low) が 4 位となっています。参考までに、Gemma4-31b は 32 位ですが、Qwen3.6-27B は実際には 17 位です。ここには多くの変動要素がありますが、このリーダーボードでは、Meta の最新モデルが競合他社の中でどのようにランク付けされているかを一目で確認できます。

ミューズグリマーの試し方

Hugging Face からウェイトをダウンロードすることで、今すぐ Muse Glimmer を試すことができます。 Meta 氏によると、このモデルは数日以内に Ollama、LM Studio、Unsloth などのアプリから利用可能になる予定です。